基于融合算法的空—地多目标攻击火力分配

空地多目标火力分配是机载空地多目标攻击系统的核心。分析了空地多目标火力分配问题的特点,提出了不同的最优评价标准,并根据其对应的目标函数建立了3种空地多目标火力分配模型。以自适应蚁群算法为基础,利用遗传算子进行交叉变异操作,结合粒子群算法的思想修改信息素更新规则,给出了融合算法求解空地多目标火力分配问题的步骤。通过仿真实验验证了融合算法的有效性。     

多机协同空战火力控制研究

从火力控制的角度探讨多机协同空战的作战方式和协同作战的基本火力控制原理。在深入分析多机协同空战的火力控制过程基础上,指出协同作战与单机自主作战的火力控制的不同特点。将协同空战分解为协同目标瞄准、协同导弹发射与制导、导弹自主攻击3个阶段,针对和载机火力控制密切相关的前两个阶段进行研究,并提出各个协同阶段的协同方式、协同内容和载机火力控制的实施方法,对于协同空战火力控制理论的研究和战术创新具有一定的指导意义。     

如何对付多目标攻击--防空系统的发展方向之一

如何有效对付多目标攻击是现代防空系统所面临的主要课题之一。本文首先介绍了多目标攻击的主要特点，然后论述了对付多目标攻击的主要技术途径，以及所要解决的关键技术，最后提出对付多目标攻击的主要发展方向。     

多机协同多目标攻击空战战术决策

以多机协同攻击多个目标为研究背景,提出一种目标分配的决策分析方法。首先建立攻击过程中的优势模型和目标威胁模型,根据该模型分析多目标攻击过程中我方的优势和目标威胁度,然后将该优势与威胁度相加权,由此得到多目标攻击决策准则。示例表明,该方法能够根据空战态势合理地决策好所要攻击的目标,并为航空火控系统实现多目标攻击提供准确依据。     

多传感器管理系统中的多目标排序

利用模糊优选理论与层次分析方法,对航空火控系统探测到的多个目标进行了威胁程度的排序。根据该排序可以确定各个目标被继续探或火力攻击的优先级,为多传感器系统的量化管理提供了决策依据。     

多批编队目标的实时火力分配决策

在对现代防空作战分析的基础上,提出了针对多批编队目标的实时火力分配决策方法。首先利用马尔可夫理论对编队目标进行动态决策,得到需分配的目标类型,再根据当前态势和火力单元特性对需分配的目标进行静态实时火力分配,系统不断循环直至目标分配完毕,最后用实例进行了分析,计算结果表明了该方法的有效性。     

基于遗传的人工鱼群优化之武装直升机对地攻击火力分配决策

结合遗传算法和人工鱼群算法的优点对武装直升机对地攻击作战的火力分配问题进行研究,建立了火力分配的教学模型,并利用基于遗传算法的人工鱼群优化算法实现武装直升机对地攻击的火力分配.仿真实验结果表明,基于遗传算法的人工鱼群优化算法解决火力分配问题不仅收敛速度快、效果好,而且运行速度快、求解精度高,满足火力分配实时性和准确性的...     

基于传感器信息反馈的火力资源规划模型

针对跨平台资源协同共用的火力规划问题,在综合考虑现有火力拦截时间、空间、 武器资源和目标威胁程度约束下,创新性地提出了一种引入传感器信息约束的火力资源规划方法, 建立了基于传感器—武器—目标信息反馈闭环的火力资源规划机制,构造了火力资源动态规划改进优化模型函数,详细阐述了设计思路、组成框架和模型算法,经仿真验证,能够对目标打击批次进行优选,提高多平台协同作战火力资源规划的有效性和合理性。     

弹道式导弹作战突防能力及火力需求的分析

分析了影响弹道式导弹突防概率、拦截概率的相关概率参数,建立了导弹对抗战的突防概率模型,探讨了对假定目标实施导弹攻击与反攻击时的火力需求关系。     

从航空火力控制系统的发展看信息时代的火力控制

阐述了火力控制、火力控制技术和火力控制系统的概念,通过回顾航空火力控制系统的发展,总结了航空火控系统的发展趋势,分析了信息时代和网络中心战对火力控制的影响以及火力控制所面临的新形势,提出了信息时代火力控制的特点以及新一代火力控制系统研发所应采用的新方法和新工具。     

空对空多目标攻击武器系统作战效能探讨

介绍了武器系统作战效能、空对空多目标攻击武器系统的概念和特点，给出琥器系统作战效能的计算公式，讨论了多目标攻击系统杀伤目标概率的计算方法，并举例评估了多目标和单目标攻击系统的杀伤概率和作战效能。     

满足期望毁伤概率的防空武器目标分配

为了对多目标进行合理的防空武器分配,提出一种满足期望毁伤概率的武器目标分配模型,定义了武器单元对目标的相对权重,以目标威胁度大小为序,依次为目标分配武器单元,能够优先保证以期望的毁伤概率拦截威胁度大的目标,且使各目标倾向于选择对其相对权重较大的武器单元,从而兼顾当前分配结果对后续目标分配的影响,能对更多的目标实施有效打击。给出了该模型的蚁群算法描述,实例分析验证了模型的优越性和算法的有效性。     

精确制导武器和技术

精确制导武器是高技术局部战争使用的主要武器,精确制导武器的关键技术是精确制导技术,它的重点研究内容是易变战争环境中精确命中目标乃至目标要害部位的寻的末制导技术。国外精确制导技术以红外成像制导、毫米波制导、多模或复合制导,智能化信息处理技术为主要发展方向。精确制导武器从高作战有效性和完成一个作战任务来看是高效费比武器。     

基于遗传算法的多侦察传感器目标优化分配

针对电子战系统试验与训练任务中的多个侦察传感器的目标分配实际应用,讨论了多目标分配规划问题,建立了一对多目标分配规划模型。将多个侦察传感器的总侦察效率作为目标函数,分析了相关约束条件,采用遗传算法进行求解得到了优化后的侦察目标分配方案,为合理地进行武器系统的作战目标分配研究以及为试验与训练任务节约资源、提高效率提供了有益的帮助。     

高能激光武器对弹道导弹毁伤能力研究

未来的20年间,美国的高能激光武器将陆续进入部署阶段。针对定向能武器之一的激光武器具有巨大作战优势,在分析高能激光武器的作战机理基础上,对弹道导弹壳体被高能激光照射时的影响因素进行研究分析,建立了计算高能激光武器毁伤来袭导弹所需时间模型,并具体地对作战中弹道导弹的弹体壳体、弹头壳体被连续波照射进行毁伤计算分析。以上模型作为评估高能激光武器作战效力的一种方法,为高能激光武器拦截弹道导弹提供了参考。     

多机协同多目标攻击目标全面分配算法

讨论了多机协同多目标攻击目标全面分配算法，阐述了全面目标分配的基本概念、功能和算法程序逻辑图。     

高功率激光武器进展与启示

激光武器系统作为一种定向能武器系统,具有多样化作战任务剖面,与传统软硬毁伤武器相比,具有快速、灵活、精确、多重功能、作战范围广等优点.最近几年来,美、俄、德等国频频报道海军激光武器试验和进展情况.如何发展激光武器,既是技术问题也是思路问题,既要提高能力,又要考虑现实约束.论文梳理分析了近年来国外高能激光器、高能激光武器...     

智能雷达干扰决策支持系统中资源分配技术

雷达干扰资源分配是否合理是影响雷达干扰效果的重要因素。本文详细介绍了智能雷达干扰决策支持系统（IDSSRJ）中的几种雷达干扰资源分配技术,包括多级优化动态资源分配技术、全空间搜索以及随机抽样资源分配技术。     

关联分析法在武器系统多指标决策中的应用

在解决武器系统效能区间数多指标决策问题的基础上,提出了一种新的决策分析方法.该方法将三维区间数动态多指标决策问题转化为二维区间数动态多指标决策问题,然后用关联分析法求解最终排序结果.通过具体实例表明,采用该方法是可行的.     

Top Down Code Search to Locate An Optimum Code and Reduction in Code Blocking for CDMA Networks

In this paper, a top down code search scheme is proposed that identify an optimum OVSF code for assignment at the base station of CDMA wireless networks. An optimum vacant code is the one whose usage produces least code blocking compared to other eligible codes. This scheme provides least code blocking compared to existing schemes without reassignments. In addition, the codes searched during locating the optimum code are significantly less than other existing schemes. The call establishment delay which is a significant factor for real time applications is directly proportional to the number of searches and should be low. The design is explained for single code, and extended to multi code assignment to improve code blocking. The multi code assignment is done using four ways. The first and second multi code schemes uses minimum and maximum rakes for a fixed rate system. The third scheme called scattered multi code scheme divide the incoming call into rate fractions equal to number of rakes available in the system, and each rate fraction is handled in a similar way in which the new call is handled in single code scheme. The rate fractions may be scattered or grouped in the code tree. The fourth multi code scheme, namely grouped multi code scheme allocates codes to all the fractions as close as possible. This maximizes future higher rate vacant codes availability by leaving a complete sub tree vacant when call using multi code ends.